論文の概要: EXTree: Towards Supporting Explainability in Attribute-based Access Control

• arxiv url: http://arxiv.org/abs/2604.12850v1
• Date: Tue, 14 Apr 2026 15:06:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.524402
• Title: EXTree: Towards Supporting Explainability in Attribute-based Access Control
• Title（参考訳）: EXTree: 属性ベースのアクセス制御における説明可能性のサポート
• Authors: Shanampudi Pranaya Chowdary, Shamik Sural,
• Abstract要約: 本稿では,ABAC(Attribute-based Access Control)の文脈で説明可能性の問題を緩和する方法を示す。 高速評価と人中心フィードバック(説明可能性)の両方に最適化されたABACポリシーをツリー形式で表現するEXTreeを紹介する。 この結果から,EXTreeは複雑な認証ロジックと人間の理解のギャップを埋めることが可能であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0468771281852187
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With increasing emphasis on transparency in digital governance, users expect more than silence when their access requests are denied by a system. However, authorization methods are notorious for their inability to provide any form of meaningful feedback under such situations. This paper shows a direction towards how the problem of explainability can be mitigated in the context of Attribute-based Access Control (ABAC), arguably the most researched topic in access control in recent years. We introduce EXTree, which represents ABAC policies optimized for both fast evaluation (Efficiency) and human-centric feedback (Explainability) in the form of a tree. Two strategic dimensions are investigated, namely, Feedback Evaluation Strategies - how to craft actionable explanations when access is denied, and Tree Construction Strategies - how the policy trees should be structured for efficient yet interpretable decisions. Through extensive experiments, we compare entropy-based, changeability-based, and randomly generated trees across multiple configurations. Our results demonstrate that EXTree, built for efficiency and interpretability, can bridge the gap between complex authorization logic and human understanding.
• Abstract（参考訳）: デジタルガバナンスにおける透明性の重視により、アクセス要求がシステムによって拒否されると、ユーザは沈黙以上のことを期待する。 しかし、認可法は、そのような状況下で意味のあるフィードバックをいかなる形でも提供できないことで悪名高い。 本稿では,ABAC(Attribute-based Access Control)の文脈で説明可能性の問題を緩和する方法を示す。 高速評価(効率)と人中心フィードバック(説明可能性)の両方に最適化されたABACポリシーをツリー形式で表現するEXTreeを紹介する。 フィードバック評価戦略 - アクセスが拒否されたときに実行可能な説明を作成する方法 - と、ツリー構築戦略 - 効率的に解釈可能な意思決定のために、ポリシーツリーをどのように構成するか、という2つの戦略的側面が調査されている。 広範な実験を通じて、エントロピーベース、変更可能性ベース、ランダムに生成された木を複数の構成で比較する。 この結果から,EXTreeは複雑な認証ロジックと人間の理解のギャップを埋めることが可能であることが示唆された。

関連論文リスト

• Generation of Human Comprehensible Access Control Policies from Audit Logs [2.839132202833286]
  我々は、ログから人間の理解可能な自然言語アクセス制御ポリシーを生成するフレームワークを開発する。 LANTERN (LLM-based ABAC Natural Translation and Explanation for Rule Navigation) と名付けられたこのフレームワークは,我々の研究成果のために,一般公開されたWebベースアプリケーションとしてインスタンス化されている。
  論文  参考訳（メタデータ） (2026-03-15T12:21:27Z)
• TreePS-RAG: Tree-based Process Supervision for Reinforcement Learning in Agentic RAG [71.06073770344732]
  エージェント検索強化生成(RAG)は、推論と情報検索の多段階的な相互作用として質問応答を定式化する。 エージェントRAGのためのオンラインツリーベースRLフレームワークであるTreePS-RAGについて述べる。
  論文  参考訳（メタデータ） (2026-01-11T14:07:30Z)
• ACT: Agentic Classification Tree [33.65390081055222]
  本稿では,各分割を自然言語質問として定式化することにより,決定木手法を非構造化入力に拡張するエージェント分類木(ACT)を提案する。 テキストベンチマークの実験では、ACTは透過的で解釈可能な決定パスを生成しながら、プロンプトベースのベースラインと一致またはオーバーしている。
  論文  参考訳（メタデータ） (2025-09-30T15:54:08Z)
• Efficient Inference for Large Reasoning Models: A Survey [74.17203483365171]
  LRM(Large Reasoning Models)は、Large Language Models(LLM)の推論能力を大幅に向上させる。 しかし、それらの熟考的推論プロセスはトークンの使用、メモリ消費、推論時間に非効率をもたらす。 本調査では, LRMに特化して設計された効率的な推論手法を概説し, 推論品質を維持しつつトークンの非効率を緩和することに着目した。
  論文  参考訳（メタデータ） (2025-03-29T13:27:46Z)
• ReTreever: Tree-based Coarse-to-Fine Representations for Retrieval [64.44265315244579]
  そこで本研究では,様々なレベルで参照文書を整理し,表現するためのツリーベース手法を提案する。 我々の手法はReTreeverと呼ばれ、クエリと参照ドキュメントが同様のツリーブランチに割り当てられるように、バイナリツリーの内部ノード毎のルーティング関数を共同で学習する。 我々の評価では、ReTreeverは一般的に完全な表現精度を保っている。
  論文  参考訳（メタデータ） (2025-02-11T21:35:13Z)
• Introducing User Feedback-based Counterfactual Explanations (UFCE) [49.1574468325115]
  対実的説明(CE)は、XAIで理解可能な説明を生成するための有効な解決策として浮上している。 UFCEは、アクション可能な機能のサブセットで最小限の変更を決定するために、ユーザー制約を含めることができる。 UFCEは、textitproximity(英語版)、textitsparsity(英語版)、textitfeasibility(英語版)の2つのよく知られたCEメソッドより優れている。
  論文  参考訳（メタデータ） (2024-02-26T20:09:44Z)
• Probabilistic Tree-of-thought Reasoning for Answering Knowledge-intensive Complex Questions [93.40614719648386]
  大規模言語モデル(LLM)は、知識集約的な複雑な質問にチェーン・オブ・シント(CoT)推論で答えることができる。 最近の研究は、CoT推論を強化するための外部知識の回収に向けられている。 確率的ツリー・オブ・シント推論(ProbTree)という新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-11-23T12:52:37Z)
• Entailment Tree Explanations via Iterative Retrieval-Generation Reasoner [56.08919422452905]
  我々はIRGR(Iterative Retrieval-Generation Reasoner)と呼ばれるアーキテクチャを提案する。 本モデルでは,テキストの前提からステップバイステップの説明を体系的に生成することにより,与えられた仮説を説明することができる。 前提条件の検索と細分化木の生成に関する既存のベンチマークを上回り、全体の正しさはおよそ300%向上した。
  論文  参考訳（メタデータ） (2022-05-18T21:52:11Z)
• dtControl 2.0: Explainable Strategy Representation via Decision Tree Learning Steered by Experts [0.0]
  dtcontrol 2.0は,いくつかの基本的な新機能を備えた新バージョンである。 ユーザーは、決定木学習プロセスで活用されるドメイン知識を提供することができる。 また、動的に提供される情報に基づいてプロセスをインタラクティブに操作することもできます。
  論文  参考訳（メタデータ） (2021-01-15T11:22:49Z)
• Human Evaluation of Spoken vs. Visual Explanations for Open-Domain QA [22.76153284711981]
  本研究は,ODQAシステムの回答をいつ受理するか,拒否するかをユーザが正確に判断するのに役立つかを検討する。 その結果,得られたエビデンスパスから得られた説明は,モダリティ間で強いベースライン(校正信頼度)を上回る可能性が示唆された。 我々は,現在の説明に共通する障害事例を示し,説明のエンドツーエンド評価を強調し,デプロイと異なるプロキシモダリティで評価することを警告する。
  論文  参考訳（メタデータ） (2020-12-30T08:19:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。